ZFokus® bietet bei der Inspektion von Klein- und Kleinstbauteilen große Vorteile in der Inline- und Offline-Prüfung. Das Messprinzip erlaubt eine lückenlose, dreidimensionale Erfassung der Bauteilgeometrien aus einer Perspektive. Das Verfahren birgt keine Probleme wie triangulationsbasierte Abschattungen in der 3D-Punktewolke oder Reflexionsartefakte an Bauteilkanten. Die gewonnenen 3D-Daten erlauben eine präzise Bewertung dreidimensionaler Merkmale wie Koplanarität, Höheninformationen, Neigung von Ebenen, Volumen und vieles mehr.
Das Multisensor-System ZScan für das 3D-Scanning großer Objekte gewährleistet das hochauflösende, lückenlose 3D-Scanning großer Objekte. Die Technologie eignet sich für die Inline- und Offline-Messung. Das modulare Konzept erlaubt eine direkte Integration in verschiedenste Fertigungsprozesse. Unsere eigens für ZScan entwickelte 3D-Kalibrierung durch hochpräzise Kugel-Targets erlaubt es, Sensoren mit freier räumlicher Anordnung zu kalibrieren und die Scandaten von bis zu acht Scannern räumlich zusammenzuführen.
Maßgeschneiderte Bildverarbeitungssysteme verlangen nach der entsprechenden Software. Gerade, wenn es um Performance, Datenrückverfolgung oder Flexibilität in der Inspektion geht, reichen Standard-Softwareprodukte nicht mehr aus. Deswegen haben wir VisionCommander entwickelt – eine PC-basierte Bildverarbeitungssoftware für die automatische Inline-Inspektion mit höchsten Ansprüchen an Zuverlässigkeit, Performance und intuitiver Bedienung.
Schwierigkeiten bei der Abstimmung zwischen Systemintegrator und Maschinenbauer gehören mit der VisionUnit der Vergangenheit an. Dank definierter Schnittstellen und Achsen zum Nachkonfigurieren ist der Abstimmungsaufwand erheblich reduziert. Das einbaufertiges Kameramodul lässt sich ohne großen Aufwand in Maschinen installieren. Gerade bei Rundtaktmaschinen, wo bis zu zwölf verschiedene Kamerasysteme verbaut werden, punktet die Plug-and-Play-Lösung.
Die Deep-Learning-Bibliothek Neuralyze erkennt kleinste Fehler in jeglicher Ausprägung mit hoher Präzision und kann das „Gesehene“ zu interpretieren. Anders als bei klassischer Bildverarbeitung ist keine Beschreibung von Regeln notwendig. Zur Merkmalsbeurteilung wird eine selbstlernende Methode mit neuronalen Netzen implementiert. Dazu wird vorab eine große Menge an Bilddaten benötigt. Im anschließenden Trainingsvorgang wird die Beurteilung der Merkmale optimiert.
Es werden notwendige Cookies, Google Fonts, Google Maps, OpenStreetMap, Youtube und Google Analytics geladen. Details finden Sie in unserer Datenschutzerklärung und unserem Impressum.